Blok 2
Transkrypt
Blok 2
www.sites.google.com/site/chemomlab Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: [email protected] [email protected] http://www.sites.google.com/site/chemomlab/ www: Krzywa rozkładu normalnego krzywa rozkładu Gaussa lub krzywą rozkładu normalnego 180 160 160 140 140 120 120 100 100 # # 180 80 80 60 60 40 40 20 0 -4 20 -3 -2 -1 0 pomiar 1 2 3 4 0 -4 -3 Φ (x ) = M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików -2 -1 0 pomiar 1 2 3 4 ( x − µ )2 1 exp − 2 2 σ σ 2π 1 www.sites.google.com/site/chemomlab Rozkład normalny Kiedy mówimy o rozkładzie normalnym to: – 68% pomiarów znajduje się w przedziale µ ± σ – 95% pomiarów znajduje się w przedziale µ ± 2σ – 99,7% pomiarów znajduje się w przedziale µ ± 3σ Standardyzowana zmienna Dla rozkładu normalnego, dokładną proporcję próbek, o które są w określonym interwale można odszukać w tablicach statystycznych. Tablice zakładają, że zmienna jest standardyzowana: z= x −µ σ z ∈ N(0,1) M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 2 www.sites.google.com/site/chemomlab Rozkład standardyzowanej zmiennej Gęstość prawdopodobieństwa rozkładu normalnego (postać unormowana, standardyzowana). (x − µ )2 1 Φ (x ) = exp − 2 2σ σ 2π z2 1 ϕ (z ) = exp− 2π 2 Całka Laplace’a prawdopodobieństwo wystąpienia wartości zmiennej w przedziale od 0 do zi zi µ 0 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików z z z2 1 i Φ(z i ) = exp− dz 2π ∫0 2 3 www.sites.google.com/site/chemomlab Przykład Podczas miareczkowania uzyskano normalny rozkład wyników, ze średnią 10,15 ml oraz odchyleniem standardowym 0,02 ml. Jaka część pomiarów będzie w przedziale od 10,12 ml do 10,20 ml? z1 = (10,12-10,15)/0,02 = -1,5 z2 = (10,20-10,15)/0,02 = 2,5 Φ(z1) = 0,0668 Φ(z2) = 0,9938 Przykład Z tablic statystycznych – proporcja obiektów, o wartości poniżej zi z1 z2 z µ 0,0668 0,9938 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików p = 0,9938 – 0,0668 = 0,9270 92,70% pomiarów znajduje się w przedziale od 10,12 ml do 10,20 ml 4 www.sites.google.com/site/chemomlab Przedział ufności Pewna wartość leży w przedziale, którego zakres determinuje: – precyzja danej metody (σ), – liczba pomiarów (z liczbą powtórzeń rośnie nasza pewność co do wyniku). Załóżmy, że robimy po 5 powtórzeń 5 pomiarów – rozkład indywidualnych średnich – rozkład próbkowania średniej – błąd standardowy średniej: informuje o stopniu rozproszenia średnich z próbki względem średniej dla populacji: σ/ n Przedział ufności Zakres wartości, których z określoną ufnością możemy być pewni. O przedziale ufności decyduje stopień ufności – im większy tym przedział jest szerszy. Dla dużej liczby pomiarów przedział ufności ma postać: ( µ ± z α/2 σ/ n ) wartość tablicowa odczytana dla danego poziomu ufności M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 5 www.sites.google.com/site/chemomlab Przedział ufności ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 90% µ − 1,64 σ / n < x < µ + 1,64 σ / n 95% µ − 1,96 σ / n < x < µ + 1,96 σ / n 98% µ − 2,33 σ / n < x < µ + 2,33 σ / n 99% µ − 2,58 σ / n < x < µ + 2,58 σ / n Przedział ufności dla małej liczby próbek Im mniej próbek, tym σ jest mniej dokładnie wyznaczone, zatem przedział ufności ma postać: ( µ ± t (α/2, n −1) σ/ n ) Wprowadza się pojęcie liczby stopni swobody (n-1): liczba niezależnych różnic (xi-µ). Wartość t zależy od przyjętego poziomu ufności i liczby stopni swobody. M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 6 www.sites.google.com/site/chemomlab Przedział ufności dla małej liczby próbek 1 2 3 4 5 6 7 8 9 10 0,05 6,314 2,920 2,353 2,132 2,015 1,943 1,895 1,860 1,833 1,812 0,025 12,706 4,303 3,182 2,776 2,571 2,447 2,365 2,306 2,262 2,228 0,01 31,821 6,965 4,541 3,747 3,365 3,143 2,998 2,896 2,821 2,764 0,005 63,657 9,925 5,841 4,604 4,032 3,707 3,499 3,355 3,250 3,169 ( ) µ ± t (α/2, n −1) σ/ n Przykład Zawartość sodu w moczu wyznaczono stosując elektrodę selektywną. Uzyskano następujące wyniki: 102, 97, 99, 98, 101 i 106 mM. Ustal 95% i 99% przedziały ufności dla tychże pomiarów. µ = 100,5 mM σ = 3,27 mM df = 6 - 1 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików ( µ ± t (α/2, n −1) σ/ n ) ( ) 100,5 ± 4,03(3,27 / 6 ) = 100,5 ± 5,4 mM 100,5 ± 2,57 3,27 / 6 = 100,5 ± 3,4 mM 7 www.sites.google.com/site/chemomlab Dokładność oszacowanej wielkości ( ε = t (α/2, n −1) σ/ n ) 2 n= t (α/2, n −1) σ 2 ε2 Przykład Dla poziomu ufności 95% określ liczbę próbek jaka jest potrzebna do oszacowania grubości powłoki chromu, jeśli dokładność pomiaru wynosi ±0,01 mm, a σ obliczone dla 6 pierwszych pomiarów wynosi 0,02 mm. 2,5712 ⋅ 0,022 n= = 27 0,012 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 8 www.sites.google.com/site/chemomlab Testowanie hipotez - wprowadzenie Testowanie hipotez Cel: ustalenie w sposób obiektywny na podstawie zgromadzonych wyników pomiarów słuszności postulowanej hipotezy M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 9 www.sites.google.com/site/chemomlab Porównanie średniej z daną wartością Przygotowujemy lek, który zawiera wszystkie składniki oraz czynny komponent w ilości 100,0 mg. Przykład 1: 4 razy oznaczono składnik aktywny; średnia wynosi 98,2 mg, a odchylenie standardowe jest znane a priori (0,8). Przykład 2: 6 razy oznaczono aktywny składnik i uzyskano następujące wartości: 98,9 100,3 99,7 99,0 100,6 98,6 Porównanie średniej z daną wartością Średnia pomiarów wynosi: 99,5 Odchylenie standardowe wynosi: 0,81 Czy wartość średnia jest naprawdę różna niż faktyczna masa substancji aktywnej (µ0 = 100 mg)? Aby sprawdzić czy powyższe jest prawdą, konieczny jest test hipotezy. M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 10 www.sites.google.com/site/chemomlab Porównanie średniej z daną wartością Zarówno średnia jak i odchylenie standardowe są przybliżeniem wartości prawdziwych. Estymatory Czy możemy przyjąć, że te dwa estymatory są równe odpowiednio µ oraz σ ??? Hipoteza zerowa i alternatywna Hipoteza 0 (H0): średnia µ zbioru pomiarów jest równa wartości µ0 H0: µ = µ0 Hipoteza alternatywna (H1): średnia µ zbioru pomiarów jest różna od wartości µ0 H1: µ ≠ µ0 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 11 www.sites.google.com/site/chemomlab Hipoteza Czasem hipotezę alternatywną formułuje się jako: H1 > H1 < Przedział ufności Dla przykładu 1, przyjmując 95% przedział ufności: ( ) ( µ − 1,96 σ / n < x < µ + 1,96 σ / n ( ) ) 98,2 ± 1,96 σ / n = 98,2 ± 1,96 ⋅ 0,4 = 98,2 ± 0,78 odrzucamy hipotezę H0 bo 100 mg jest poza przedziałem ufności, a przyjmujemy hipotezę H1 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 12 www.sites.google.com/site/chemomlab Przedział ufności 0.4 0.35 0.3 φ(x) 0.25 0.2 0.15 0.1 0.05 0 -5 -4 -3 -2 -1 0 z 1 ( 2 µ ± z (α/2 ) σ/ n 3 4 5 ) Przedział ufności Dla przykładu 2, odchylenie standardowe nie jest a priori znane, lecz oszacowane na podstawie ograniczonej liczby pomiarów Dlatego, stosujemy test t (przyjmując 95% przedział ufności) ( µ ± t (α/2, n −1) σ/ n ( ) ) 99,5 ± 2,57 σ/ n = 99,5 ± 2,57 ⋅ 0,81 = 99,5 ± 0,85 6 100 mg jest w przedziale ufności – dlatego przyjmujemy hipotezę H0 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 13 www.sites.google.com/site/chemomlab Kroki testowania hipotez Ustal hipotezy H0 i H1 Ustal poziom α, np. α = 5% Ustal przedział ufności Sprawdź, czy µ0 znajduje się w przedziale ufności Przyjmij, lub odrzuć hipotezę H0 Porównanie wartości testu z wartością krytyczną Możemy powiedzieć, że 95% wszystkich pomiarów znajduje się w przedziale: ( ) ( µ − 1,96 σ/ n < x < µ + 1,96 σ/ n ) Jeśli przyjmiemy, że H0: µ = µ0 jest prawdą, wówczas H0 jest także spełniona dla wszystkich pomiarów z tego interwału M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 14 www.sites.google.com/site/chemomlab Porównanie wartości testu z wartością krytyczną Dla oryginalnych i z-transformowanych wartości Porównanie wartości testu z wartością krytyczną w jednostkach „z” z= µ − µ0 σ/ n < crit Gdy crit = 1,96 to przyjmujemy 95% M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 15 www.sites.google.com/site/chemomlab Porównanie wartości testu z wartością krytyczną Ustal hipotezy H0 i H1 Ustal poziom α, np. α = 5% Jaka jest krytyczna z-wartość? Jaką wartość przyjmuje z dla µ Jeśli |z|<crit to przyjmujemy H0 Porównanie wartości testu z wartością krytyczną Przykład 1: z= µ − µ0 σ/ n = 98,2 − 100 0,8/ 4 = 4,50 > 1,96 Zatem, odrzucamy H0 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 16 www.sites.google.com/site/chemomlab Porównanie wartości testu z wartością krytyczną Przykład 2: t = µ − µ0 σ/ n = 99,5 − 100 0,813/ 6 = 1,51 t (0,025,5) = 2,57 Poziom ufności i błąd α Przyjmując, że przedział ufności obejmuje 95% rozkładu, 5% znajduje się poza przedziałem (poziom ufności p = 95%). Te 5% zwane jest poziomem istotności – BŁĄD I rodzaju, zwany także błędem α. Jest to prawdopodobieństwo popełnienia błędu związanego z odrzuceniem hipotezy H0, podczas gdy jest ona prawdziwa. M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 17 www.sites.google.com/site/chemomlab Błąd β Przyjmijmy, że nasza metoda jest obciążona błędem systematycznym, tzn. zamiast 100 mg mamy 98,20 mg. błąd systematyczny bez błędu systematycznego Błąd β Błąd β jest to prawdopodobieństwo popełnienia błędu związanego z przyjęciem hipotezy H0, podczas gdy jest ona nieprawdziwa błąd systematyczny 1 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 1 - (z>=2,55) = 1 - 0,994 = 0,006 18 www.sites.google.com/site/chemomlab Testowanie hipotez Tablice statystyczne dwustronny jednostronny M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 19 www.sites.google.com/site/chemomlab Tablice statystyczne α - poziom istotności 1- α: poziom ufności t vs. rozkład normalny 0.4 0.4 rozkład t, n=5 rozkład normalny 0.35 0.3 0.3 0.25 0.25 0.2 0.2 0.15 0.15 0.1 0.1 0.05 0.05 0 -5 -4 -3 -2 -1 0 1 2 3 4 rozkład t, n=30 rozkład normalny 0.35 5 0 -5 -4 -3 -2 -1 0 1 2 3 4 5 dla nieskończenie dużej liczby pomiarów t0,025 = z0,025 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 20 www.sites.google.com/site/chemomlab Testowanie hipotez Poprzednio, rozważaliśmy czy średnia jest statystycznie różna niż deklarowana wartość? Testowaliśmy następującą hipotezę zerową: H0: µ = µ0 Wartości krytyczne dla rozkładu normalnego lub t, w zależności od sytuacji. Testowanie hipotez Kiedy hipoteza może zawierać nierówność? H1: µ ≥ µ0 H1: µ ≤ µ0 Wyobraźmy sobie, że kupujemy rudę pewnego metalu, a sprzedawca gwarantuje jego zawartość na poziomie co najmniej równym 10g/kg. Dla nas – im więcej tym lepiej ☺ Kupujący testuje zatem ryzyko związane z mniejszą zawartością metalu. Sprzedający testuje ryzyko sprzedaży większej niż deklarowana zawartości metalu. M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 21 www.sites.google.com/site/chemomlab Porównanie średnich dwóch populacji Mamy dwa zbiory zawierające n1 i n2 wyników. Czy średnie dwóch zbiorów są takie same? H0: µ1 = µ2 Porównanie średnich dwóch populacji Dla zbiorów, w których n > 30 możemy przyjąć normalny rozkład średniej, nawet jeśli nie mamy do końca do czynienia z rozkładem normalnym samych pomiarów, a wariancja wynosi: σ2/n. Wówczas, różnice µ1-µ2 też śledzą rozkład normalny, a wariancja tego rozkładu wynosi: (σ21 /n1 + σ22 /n2). z= µ1 − µ 2 (σ /n ) + (σ /n ) 2 1 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 1 2 2 2 22 www.sites.google.com/site/chemomlab Porównanie średnich dwóch populacji Jeśli: H0: µ1 = µ2 H1: µ1 ≠ µ2 H0 jest przyjęta, gdy |z| < zcrit (test dwustronny). Porównanie średnich dwóch populacji Jeśli H0: µ1 = µ2 H1: µ1 > µ2 H0 jest przyjęta, gdy |z| < zcrit (test jednostronny). M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 23 www.sites.google.com/site/chemomlab Porównanie średnich dwóch populacji Jeśli H0: µ1 = µ2 H1: µ1 < µ2 H0 jest przyjęta, gdy |z| > -zcrit (test jednostronny). Porównanie średnich dwóch populacji Przyjmujemy H0 jeśli 0 jest w przedziale ufności: (µ1 − µ 2 ) ± z α/2 (σ /n ) + (σ /n ) 2 1 1 2 2 2 test dwustronny (µ1 − µ 2 ) ± 1,95 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików (σ /n ) + (σ /n ) 2 1 1 2 2 2 α = 5% 24 www.sites.google.com/site/chemomlab Porównanie średnich dwóch populacji H0: µ1 = µ2 H1: µ1 > µ2 Test jednostronny (µ1 − µ 2 ) + 1,95 (σ 2 1 ) ( / n1 + σ 22 / n2 ) α = 2,5% Jeśli 0 jest mniejsze niż wartość krytyczna to hipoteza H0 jest spełniona Przykład Porównujemy dwie procedury, które mają wpływ na zawartość azotu w próbkach Procedurę 1 podejrzewamy, że wpływa na obniżenie zawartości azotu H0: µ1 = µ2 H1: µ1 < µ2 Procedura 1: µ1 = 2,05 g/100g, σ21 = 0,050 (n1 = 30) Procedura 2: µ2 = 2,21 g/100g, σ22 = 0,040 (n2 = 32) M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 25 www.sites.google.com/site/chemomlab Porównanie średnich dwóch populacji H0: µ1 = µ2 ↔ µ1 - µ2 = 0 H1: µ1 < µ2 ↔ µ1 - µ2 < 0 Test jednostronny (µ1 − µ 2 ) − 1,95 (σ 2 1 ) ( / n1 + σ 22 / n2 ) Porównanie średnich dwóch populacji H0: µ1 = µ2 H1: µ1 < µ2 Test jednostronny (µ1 − µ 2 ) − 1,95 (σ 2 1 ) ( / n1 + σ 22 / n2 ) Jeśli 0 jest większe niż wartość krytyczna H0 jest spełniona M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 26 www.sites.google.com/site/chemomlab Przykład z= z= µ1 − µ 2 (σ /n ) + (σ /n ) 2 1 1 2 2 2 2,05 − 2,21 = −2,96 (0,050/30) + (0,040/32) Porównanie średnich dwóch populacji Dla małej liczby próbek: test t opiera się o następujące założenia: – próbki o średniej µ1 i µ2 oraz wariancjach σ21 i σ22 mają rozkład normalny – wariancje są równe Gdy ostatni warunek jest pełniony możemy obliczyć łączną wariancję jako: σ2 = (n1 − 1)σ12 + (n 2 − 1)σ 22 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików n1 + n 2 − 2 27 www.sites.google.com/site/chemomlab Porównanie średnich dwóch populacji Test t dla porównania dwóch średnich o małej liczbie próbek przyjmuje postać: t (α/2,n1 + n 2 − 2 ) = µ1 − µ 2 σ 2 (1/n1 + 1/n 2 ) Porównanie średnich dwóch populacji Dla testu dwustronnego H0 jest przyjęta jeśli |t| < tcrit Dla testu jednostronnego, gdy H1: µ1 > µ2, H0 jest przyjęta dla |t| < tcrit Dla testu jednostronnego, gdy H1: µ1 < µ2, H0 jest przyjęta dla |t| > -tcrit M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 28 www.sites.google.com/site/chemomlab Przykład Procedura 1: µ1 = 2,05 g/100g, σ21 = 0,050 (n1 = 8) Procedura 2: µ2 = 2,21 g/100g, σ22 = 0,040 (n2 = 7) H0: µ1 = µ2 H1: µ1 < µ2 7 ⋅ 0,050 + 6 ⋅ 0,040 = 0,045 13 − 0,16 t= = −1,46 0,045(1/7 + 1/8) σ2 = tcrit (13 st. swobody, 95%) = 1,771 Test Cochrana Jeśli wariancje nie są statystycznie porównywalne, wówczas aby porównać dwie średnie stosujemy test Cochrana t= t' = (σ /n 2 1 µ1 − µ 2 1 ) ( ) t1 – dla n1 - 1 stopni swobody t2 – dla n2 - 1 stopni swobody − 1 + σ 22 /n 2 − 1 ( ( ) ( ) ( ) t1 σ12 /n 1 − 1 + t 2 σ 22 /n 2 − 1 σ12 /n 1 − 1 + σ 22 /n 2 − 1 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików ) 29 www.sites.google.com/site/chemomlab Przykład Procedura 1: µ1 = 2,05 g/100g, σ21 = 0,050 (n1 = 9) Procedura 2: µ2 = 2,21 g/100g, σ22 = 0,010 (n2 = 8) H0: µ1 = µ2 H1: µ1 < µ2 t= t' = − 0,16 = −1,82 (0,050/8) + (0,01/7) 1,860(0,050/8) + 1,895(0,010/7 ) = 1,86 (0,050/8) + (0,010/7) Jeśli t < -t' to przyjmujemy hipotezę H1 Porównanie średnich - parowanie Próbki są parowane jeśli istnienie pomiędzy nimi odpowiedniość 1:1, np.: – zmierzono zawartość azotu w próbkach dwiema technikami analitycznymi, których wyniki przedstawiono poniżej: Procedura 1 Procedura 2 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 30 www.sites.google.com/site/chemomlab Porównanie średnich - parowanie Pod uwagę bierzemy różnice odpowiednich próbek – di = x1i-x2i d= ∑d i n H0: d=0 H1: d≠0 Porównanie średnich - parowanie Tak sformułowana hipoteza zerowa sprowadza problem do testowania, czy różnica pomiędzy wartością średnia, a zerem jest statystycznie istotna. Możemy stosować ten sam test co wcześniej, kiedy rozmawialiśmy o tabletkach. W zależności od liczby pomiarów w rachubę wchodzą wartości krytyczne rozkładu normalnego lub rozkładu t. M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 31 www.sites.google.com/site/chemomlab Porównanie średnich - parowanie Dla dużej liczby próbek (co najmniej), możemy przyjąć rozkład normalny. Wówczas statystyka ma postać: z= d −0 σ/ n odchylenie standardowe różnic Zakładając dany poziom α, wówczas w tablicach odczytujemy wartość krytyczną dla tego poziomu (np. 0,05) Porównanie średnich - parowanie Zakładając dany poziom α, wówczas w tablicach odczytujemy wartość krytyczną dla tego poziomu (np. 0,05) zakładając H0: H1: d=0 d≠0 wartość krytyczna wynosi 1,96 dla testu dwustronnego |z| < crit M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 32 www.sites.google.com/site/chemomlab Porównanie średnich - parowanie Zakładając dany poziom α, wówczas w tablicach odczytujemy wartość krytyczną dla tego poziomu (np. 0,05) zakładając H0: H1: d =0 d >0 t < crit d =0 d <0 H0: H1: t > -crit Przykład Procedura 1 Procedura 2 di z= 0.2 d −0 σ/ n -0,1 d= -0,2 0,2 ∑d n i ∑ (d M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików i =1 0,2 0,1 -0,1 = 0,05 n σ= 0,1 − d) 2 i n −1 = 0,16 33 www.sites.google.com/site/chemomlab Rozwiązanie ∑ (d n d= t= ∑d i n d σ/ n = 0,05 = σ= i =1 − d) 2 i n −1 = 0,16 0,05 = 0,88 0,16/ 8 Porównanie wariancji Do porównania dwóch wariancji stosujemy test F Wyraża on stosunek dwóch wariancji σ12 F = 2 , σ12 > σ 22 σ2 df1 = n1 – 1 df2 = n2 – 1 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 34 www.sites.google.com/site/chemomlab Wartości krytyczne dla testu F α = 0,025 dla testu jednostronnego lub α = 0,05 dla testu dwustronnego Liczba stopni swobody – n2 Liczba stopni swobody – n1 1 2 3 4 5 6 7 8 9 10 1 647,79 799,50 864,16 899,58 921,85 937,11 948,22 956,66 963,28 968,63 2 38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 3 17,44 16,04 15,44 15,10 14,88 14,73 14,62 14,54 14,47 14,42 4 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84 5 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 7 8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76 8 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 9 7,21 5,71 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 10 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,85 3,78 3,72 Test F Formułowanie hipotez H0: H1: σ12 = σ 22 H0: H1: σ12 = σ 22 σ12 ≠ σ 22 σ12 > σ 22 test dwustronny test jednostronny α dla testu jednostronnego odpowiada 2α testu dwustronnego M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 35 www.sites.google.com/site/chemomlab Przykład σ12 = 0,05 (n1 = 8) σ 22 = 0,04 (n2 = 7) F= 0,05 = 1,25 0,04 Przykład Czy różnice pomiędzy wariancjami dwóch metod są statystycznie istotne? F < crit -> H0 F0,05,7,6 = 5,70 M. Daszykowski, I. Stanimirova, Wprowadzenie do statystyki dla chemików 36